一鍵發布任務
發布成功
發布成功
贊賞金額：
支付金額：5元
支付方式：
贊賞成功！
你的贊賞是對作者最大的肯定~?
人工智能（AI）和機器學習（ML）對于高級駕駛員輔助系統（ADAS）和自動駕駛汽車無處不在。這涉及越來越多的傳感器，這些傳感器產生大量需要實時處理的數據。除了模擬之外，還基于現場記錄的數十億字節數據來部署ML模型，但還需要更多以進一步完善和改進當前和未來車輛中的模型。
利用現場車輛和測試車輛是獲取信息的方法，然后可以將其用于云中的AI訓練。但是，如今的車輛每小時可生成的2TB數據量實在太大，因此減少發送到云的信息量至關重要。
空中（OTA）更新通過為這些車輛提供更新的模型來完成循環。這不是實時的周期，它會根據當前的輸入自動進行更改，但是可以生成新的模型，然后將其認證并下載到車輛上。
這樣的過程涉及許多硬件和軟件組件。因此，Fusion Project（圖1）已經啟動，以使該循環更易于實現和維護。該項目最初的目標是智能車輛變道檢測，但隨著時間的推移，它將解決ADAS和自動駕駛車輛的各個方面。
Fusion Project的創建者包括Airbiquity，Cloudera，NXP，Teraki和Wind River。
最初的公司集團涵蓋了循環中的所有基礎：
Airbiquity：OTA管理軟件
Cloudera：數據生命周期解決方案和云服務
恩智浦：車輛處理平臺
Teraki：邊緣數據AI
風河：智能系統平臺軟件
硬件和軟件在循環中的集成正在進行中。開發人員還需要與公司單獨合作-在設計中可以使用不同的解決方案。
當前的框架基于運行Wind River操作系統的NXP硬件上的數據獲取支持以及Teraki的分析和壓縮支持，有助于減少傳送到云的信息量（圖2）。Cloudera的云為從車輛獲取數據以及運行軟件進行進一步的分析和ML訓練提供支持。Airbiquity的安全OTA更新通過提供更高效，更準確的更新模型來完善整個流程。
數據采集從運行Wind River操作系統（1）并具有Teraki的分析和壓縮支持（2）的NXP硬件開始。大量減少的數據（3）被發送到Cloudera的云（4）。這用于完善ML模型，并通過Airbiquity的空中更新（5）將更新后的版本發送回車輛。
盡管循環很容易理解，但要使所有部分協同工作并不容易。這些公司擁有集成的系統，可以提供整體解決方案，但必須合并其他硬件和軟件。同樣，開發人員必須分別與每個公司合作，但要知道各個部分可以協同工作，并且已經在整體解決方案中進行了測試。
VSI Labs的創始人兼總裁，前Telematics Research Group的聯合創始人Phil Magney說：“汽車制造商在實施復雜技術方面面臨不斷的挑戰，例如先進的ADAS和自動駕駛汽車功能的下一階段所必需的技術。下一代數據管理技術棧有許多方面，它們可以不斷改進和部署AI機器學習模型，因此汽車制造商需要像The Fusion Project創建的那樣，利用跨領域關鍵技術的車對云解決方案?！?br/>
汽車的復雜性不斷加劇，因此集成系統已成為在汽車領域提供解決方案的主要部分。充分利用這些集成可以大大縮短產品上市時間并降低總體成本。
